RANCANG BANGUN DATA MART DAN PURWARUPA …si.its.ac.id/data/sisfo_data/files/15_vol5no3.pdf ·...
Transcript of RANCANG BANGUN DATA MART DAN PURWARUPA …si.its.ac.id/data/sisfo_data/files/15_vol5no3.pdf ·...
281
RANCANG BANGUN DATA MART DAN PURWARUPA
DASHBOARD UNTUK VISUALISASI PERFORMA AKADEMIK
Kurniawan Jatmika, Adhistya Erna P., Ari Cahyono
Jurusan Teknik Elektro dan Teknologi Informasi, Fakultas Teknik,
Universitas Gadjah Mada Yogyakarta,
Jln. Grafika 2, Yogyakarta, 55281
Telp: (0274) 547506, Fax: (0274) 510983
E-mail: [email protected]
Abstract
University often had enormous amount of data stored but meet difficulties in organizing and
constructing information. These conditions also generally happened in STIKOM Surabaya, especially in
S1 Sistem Informasi study program, whereas the head of S1 Sistem Informasi study program meet
difficulties in reviewing the performance of the study program. Based on that, a system able to facilitate
the information gathering and presentation is needed. For this requirement, a data storage with data
mart schema can be used which then directly connected to a dashboard system to facilitate the
monitoring process of study program’s performance. After the system had been designed and
implemented, it can be concluded that: star schema design supporting and facilitating the design and
implementation process of the academic data mart and the dashboard system, the system able to help the
head of study program in evaluating the study program’s academic performance, and the user accepting
the system well.
Abstrak
Perguruan tinggi seringkali mempunyai simpanan data yang banyak namun kesulitan dalam
memilah dan menyusun informasi. Kondisi ini secara umum juga terjadi di STIKOM Surabaya,
khususnya di Program Studi S1 Sistem Informasi, dimana Kepala Program Studi S1 Sistem Informasi
kesulitan dalam meninjau performa program studi yang dipimpinnya. Berdasarkan permasalahan
tersebut maka dibutuhkan sebuah sistem yang mampu memfasilitasi proses pengumpulan dan penyajian
informasi. Untuk keperluan ini dapat digunakan simpanan data dengan skema data mart yang terhubung
secara langsung ke dalam sebuah dashboard system untuk mempermudah proses monitoring performa
program studi. Setelah sistem selesai dirancang dan dibangun, dapat disimpulkan bahwa: desain star
schema mendukung dan memudahkan proses rancang bangun data mart akademik dan dashboard
system, sistem mampu membantu Kepala Program Studi S1 Sistem Informasi dalam mengevaluasi
performa akademik program studi, dan pengguna menerima dengan baik sistem yang sudah dirancang
bangun.
Kata kunci: data mart, dashboard system, performa akademik, perguruan tinggi.
1. PENDAHULUAN
Penelitian mengenai sistem pendukung
keputusan untuk kebutuhan manajemen di
perguruan tinggi di negara Eropa sudah
dilaksanakan oleh Stanciu dkk. (2009) dan
Paunica dkk. (2010). Penelitian Stanciu dkk.
(2009) menekankan pada kriteria pemilihan
lingkungan pengembangan dalam merancang
sistem pendukung manajemen universitas.
Kesimpulan dari penelitian ini adalah bahwa
teknologi data warehouse adalah solusi yang
efisien untuk analisis data dan dapat
menyediakan dukungan yang diperlukan untuk
mendukung keputusan dalam manajemen
perguruan tinggi. Kemudian penelitian Paunica
dkk. (2010) secara spesifik mengukur performa
dari institusi pendidikan menggunakan data
warehouse. Sistem software yang dihasilkan
dalam penelitian ini menawarkan kemungkinan
adanya analisis untuk hasil dari proses
pendidikan meliputi performa pendidikan dan
efisiensi biaya.
Lebih lanjut, penelitian tentang rancang bangun
data warehouse terhadap data akademik di
perguruan tinggi di Indonesia juga sudah
dilaksanakan oleh Prasetija (2010) dan Prasetyo
(2011). Pada penelitian Prasetija (2010)
dibangun sebuah purwarupa data warehouse
pada sistem informasi manajemen perguruan
tinggi dengan studi kasus STIKOM Surabaya
yang mengacu kepada salah satu sub dari standar
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
282
11 akreditasi perguruan tinggi yaitu lulusan.
Dengan studi kasus dan fokus pembahasan yang
berbeda Prasetyo (2011) juga telah melakukan
perancangan data warehouse sistem informasi
eksekutif dengan studi kasus data akademik
Program Studi Teknik Elektro Fakultas Teknik
Universitas Gadjah Mada. Keempat penelitian
tersebut, yaitu Stanciu (2009), Paunica (2010),
Prasetija (2010), dan Prasetyo (2011),
menggunakan star schema dalam proses
pengembangan data warehouse. Jadi dapat
disimpulkan bahwa star schema diterima dan
digunakan secara umum dalam pengembangan
data warehouse di dunia pendidikan.
Penelitian tentang sistem pendukung keputusan
yang menggunakan analisis statistik kemudian
dilaksanakan oleh Ghaseminejad & Brantingham
(2010). Penelitian ini dilaksanakan untuk
mensistemkan analisis statistik terhadap laporan
kejahatan dan penanganannya di Kanada.
Penelitian tersebut menggunakan alat bantu
Microsoft Excel dalam melakukan pengolahan
dan pemodelan data. Berdasarkan penelitian-
penelitian yang sudah dikaji, maka penelitian ini
difokuskan kepada:
1. Proses identifikasi terhadap purwarupa data
warehouse Stanciu dkk. (2009), Paunica dkk.
(2010), Prasetija (2010) dan Prasetyo (2011)
untuk dijadikan landasan rancang bangun
data mart Prodi S1 Sistem Informasi
STIKOM Surabaya. Dikatakan data mart
karena merupakan pengembangan data
warehouse secara departemental, karena
hanya berfokus pada variabel akademik yang
ada pada Prodi S1 Sistem Informasi. Data
mart yang telah dibangun kemudian diolah
lebih lanjut untuk dikembangkan sebagai
penyedia data bagi sistem pendukung
keputusan peningkatan kualitas akademik
Prodi S1 Sistem Informasi.
2. Proses implementasi dashboard system
dengan studi kasus data akademik mengacu
pada analisis statistik regresi yang diterapkan
Ghaseminejad & Brantingham (2010) pada
data kejahatan. Implementasi dashboard
system ini juga mengacu kepada penelitian
Paunica (2010) mengenai analisis dari proses
pendidikan. Kedua penelitian ini mengalami
keterbatasan pada penyajian keluarannya
yang sulit dicerna pengguna non teknis.
2. METODOLOGI
Metodologi pengerjaan penelitian ini dimulai
dari data warehouse, data mart, dashboard
system. Untuk dashboard system akan dilihat
indikator-indikator penting pada dashboard yang
akan dibangun serta kesalahan yang sering
dilakukan saat pembangunan dashboard.
2.1 Data Warehouse
Marakas (2003) mendefinisikan data warehouse
sebagai salinan dari data transaksi yang secara
spesifik distruktur untuk melakukan pembacaan
data, analisis dan pelaporan. Data yang ada di
dalam data warehouse merupakan data salinan
dari transaksi yang tidak diperbarui atau diubah
kemudian oleh sistem transaksi. Perlu dicatat
juga bahwa data yang ada dalam data warehouse
distruktur sedemikian rupa dan mungkin
ditransformasikan ketika ditempatkan ke dalam
data warehouse.
Data warehouse mempunyai beberapa fungsi
utama, yaitu :
1. Sebagai gambaran langsung dari aturan bisnis
dari perusahaan.
2. Sebagai titik penyimpanan informasi
strategis.
3. Sebagai penyimpanan historis dari informasi
strategis.
4. Sebagai sumber dari informasi yang
kemudian diberikan kepada data mart.
5. Sebagai sumber dari data yang stabil, tidak
tergantung kepada perubahan dari proses
bisnis.
Data warehouse merupakan tempat
penyimpanan data perusahaan atau institusi yang
disusun sedemikian rupa sehingga mengandung
makna dan untuk analisis dan pelaporan.
Sehingga sebuah data warehouse merupakan
sumber informasi yang datanya diperoleh dari
Online Transaction Processing (OLTP).
Biasanya data warehouse ini menyimpan data
yang bersifat historis. Seperti yang dikatakan
oleh Turban dkk (2006), data warehouse adalah
sebuah basis data komprehensif yang mendu-
kung semua analisis keputusan yang diperlukan
oleh suatu organisasi dengan menyediakan
ringkasan dan rincian informasi. Sedangkan
menurut Connolly dan Begg (2001) seperti juga
didefinisikan oleh Inmon pada Ponniah (2010),
data warehouse adalah suatu kumpulan data
yang bersifat subject-oriented, integrated, time-
variant, dan non-volatile dalam mendukung
proses pengambilan keputusan.
Dari Gambar 1, terlihat aliran data dari basis data
operasional ke data warehouse, dilanjutkan
dengan pengembangan aplikasi (reporting) yang
akan digunakan untuk menganalisis dan
mengevaluasi bisnis. Seperti apa yang
disampaikan oleh Inmon (2005), data mengalir
dari lingkungan operasional ke dalam data
warehouse dimana data mengalami transformasi
dari tingkatan operasional ke tingkatan data
warehouse.
Jatmika, dkk., Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa..
283
Gambar 1. Aliran data dari basis data operasional
menuju data warehouse (Inmon, 2005)
Masih menurut Inmon (2005) Pada perumusan
data yang dapat dilihat pada Gambar 2, data
disampaikan dari current detail data ke order
detail. Setelah data diringkas, data tersebut
disampaikan dari current detail ke lighty
summarized data, kemudian dari lightly
summarized data ke highly summarized data.
Setiap perusahaan dalam mencapai tujuannya
menggunakan strategi yang berbeda, hal ini
membuat jenis dan tipe data bahkan arsitektur
dan proses bisnisnya ikut berbeda. Sehingga
dalam melakukan perancangan data warehouse
harus ditentukan arsitektur yang cocok untuk
pengembangan data warehouse. Dari gambar 2,
terlihat proses pengolahan data operasional
sebelum dimasukkan ke dalam data warehouse
melalui staging area terlebih dahulu. Staging
area digunakan untuk memudahkan melakukan
transaksi dan pembersihan data sehingga dapat
menghasilkan data yang berkuliatas. Karena di
dalam staging area terdapat proses untuk
penggabungan data, pembersihan (cleansing)
data dan standarisasi data.
2.2 Data Mart
Menurut Inmon (2005) data mart adalah subset
dari data warehouse yang umumnya terdiri dari
sebuah subjek tunggal. Jadi, data mart
merupakan serangkaian data yang hanya
menjelaskan satu fungsi dari operasi perusahaan.
Data mart menjadi pilihan solusi ketika
kecepatan pengembangan dan pembuktian
konsep menjadi prioritas (Ponniah, 2010).
Gambar 2. Proses perumusan data (Inmon, 2005)
Gambar 3. Data Mart dan sistem operasional dan
legacy (Inmon, 2005)
Masih menurut Ponniah (2010), resiko kegagalan
dari data mart adalah kecil, sehingga
memudahkan ketika diimplementasikan untuk
riset. Secara umum, data mart dapat langsung
menampung data dari sistem operasional dan
legacy seperti digambarkan pada gambar 3.
2.3 Dashboard System
Salah satu bentuk aplikasi komputer yang umum
digunakan dalam mendukung pengambilan
keputusan adalah dashboard system. Menurut
Few (2006), dashboard pada dasarnya adalah
nama baru untuk Executive Information System
yang dikembangkan pertama kali pada tahun
1980an. Pada awal pengembangannya, dash-
board mengalami fase hibernasi disebabkan
karena metode pendukung penyediaan datanya
yaitu data warehousing dan business intelligence
belum berevolusi untuk menyediakan metodologi
penanganan datanya. Hibernasi ini berlangsung
sampai ketika metodologi data warehousing dan
business intelligence menjadi cukup matang di
tahun 2000an. (Few, 2006).
Setelah melalui serangkaian penelitian, Few
(2006) kemudian mendefinisikan dashboard
sebagai sebuah tampilan visual dari informasi-
informasi penting yang dibutuhkan untuk
mencapai satu tujuan atau lebih. Tampilan
tersebut dikonsolidasikan dan ditata dalam satu
layar sehingga informasi yang ada dapat
dimonitor dalam satu kali lihat.
Poin-poin Penting Dashboard System
Beberapa poin penting yang perlu diperhatikan
kaitannya dengan dashboard (Few, 2006) adalah:
1. Dashboard adalah tampilan visual. Informasi
pada dashboard dipresentasikan secara visual,
biasanya sebagai kombinasi dari teks dan
grafik, tetapi dengan penekanan pada grafik.
Dashboard menggunakan grafik secara
intensif, bukan karena itu cantik, tetapi
karena representasi grafik yang ditangani
secara ahli dapat menyampaikan maksud
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
284
secara lebih efisien dan lebih kaya daripada
hanya menggunakan teks.
2. Dashboard menampilkan informasi yang
dibutuhkan untuk mencapai tujuan bisnis
yang spesifik. Untuk mencapai sebuah tujuan
seringkali memerlukan akses terhadap
koleksi informasi yang tidak berelasi,
tersebar dalam beragam sumber yang
berhubungan dengan fungsi bisnis yang
bervariasi.
3. Sebuah dashboard cukup untuk ditampilkan
dalam satu tampilan layar. Informasi yang
ada harus dicukupkan dalam satu layar,
secara menyeluruh tersedia dalam jangkauan
pandangan mata pengguna dalam satu kali
lihat.
4. Dashboard digunakan untuk memonitor
informasi dalam satu kali lihat.
Mengesampingkan fakta bahwa informasi
mengenai hampir apa saja dapat ditampilkan
dalam sebuah dashboard, ada setidaknya satu
karakteristik yang mendeskripsikan hampir
semua informasi yang ditemukan dalam
dashboard-dashboard yang sudah ada, yaitu
bahwa informasi-informasi tersebut disingkat
dalam sebuah bentuk rangkuman atau
perkecualian.
Selain poin-poin penting tersebut, menurut Few
(2006) yang perlu juga diperhatikan agar
dashboard dapat melakukan pekerjaannya secara
efektif :
1. Dashboard mempunyai mekanisme tampilan
yang kecil, padat, jelas dan intuitif. Gunakan
tampilan yang sesuai untuk tiap jenis
informasi yang perlu untuk ditampilkan, dan
tidak harus dengan tampilan fuel gauge,
traffic signal atau thermometer.
2. Dashboard dibuat menurut pesanan sesuai
kebutuhan pengguna. Informasi yang ada
pada dashboard harus dibuat secara spesifik
terhadap kebutuhan dari pengguna, kelompok
atau fungsi bisnis, karena apabila tidak,
dashboard akan gagal menjalankan tugasnya.
2.3.2 Kesalahan Umum dalam Pembuatan
Dashboard System
Menurut Few (2006), beberapa kesalahan yang
umum terjadi dalam pembuatan dashboard
system adalah :
1. Melebihi batasan dari satu layar
2. Penyediaan konteks yang kurang memadai
untuk data
3. Penampilan detil atau presisi yang berlebihan
4. Penunjuk ukuran yang tidak langsung
5. Pemilihan media tampilan yang tidak sesuai
6. Perkenalan variasi yang tidak berarti
7. Penggunaan desain media tampilan yang
buruk
8. Penyandian data kuantitatif yang tidak tepat
9. Penataan data yang buruk
10. Penggarisbawahan data penting yang tidak
efektif
11. Tampilan yang kacau karena dekorasi yang
tidak berguna
12. Penggunaan warna yang tidak tepat atau
berlebihan
13. Mendisain tampilan visual yang tidak
menarik
3. HASIL dan PEMBAHASAN
Hasil dan pembahasan dari penelitian ini
meliputi rancang bangun data mart yang
dilanjutkan dengan dashboard system.
Dashboard yang dibangun pada penelitian ini
memiliki tiga tampilan utama yaitu tampilan
login, utama dashboard, indikator dan chart detil.
3.1 Rancang Bangun Data Mart
Penelitian ini menggunakan data mart dengan
pertimbangan bahwa data mart lebih mudah
diimplementasikan dan mempunyai resiko
kegagalan lebih kecil. Dalam pembuatan data
mart diperlukan beberapa tahap agar data mart
menjadi terstruktur. Tahap perancangan data
mart yang digunakan pada penulisan ini, yaitu:
1. Memilih proses (Choosing the proceess)
Proses (fungsi) mengacu pada subyek
masalah dari data mart tertentu. Data mart
yang akan dibangun harus sesuai anggaran
dan dapat menjawab masalah-masalah bisnis
yang penting.
2. Memilih Grain (Choosing the Grain)
Grain merupakan data dari calon fakta yang
dapat dianalisis.
3. Rancangan matriks
Rancangan matriks struktur untuk data mart
akademik Prodi S1 SI disesuaikan dengan
hasil analisis kebutuhan. Kemudian ranca-
ngan matriks tersebut (Tabel 1) digunakan
untuk dasar membuat struktur data mart.
Tabel 1. Rancangan matriks struktur data mart
Dimensi/Perspektif
Proses Bisnis Sem
este
r
Har
i K
uli
ah
Jam
Kuli
ah
Mah
asis
wa
Pen
gaj
ar
Kat
ego
ri M
ata
Kuli
ah
Mat
a K
uli
ah
Nilai Kuliah Mahasiswa x x x x x x x
Beban Belajar Mahasiswa
x x x x x x x
Nilai Angket Pengajar x x x x x x
Beban Ajar Pengajar x x x x x x
Jatmika, dkk., Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa..
285
4. Memilih Fakta (Choosing the facts)
Memilih fakta yang digunakan dalam data
mart. Masing-masing fakta memiliki data
yang dapat dihitung, untuk selanjutnya
ditampilkan dalam bentuk laporan, grafik
atau berbagai macam diagram. Berikut ini
fakta-fakta yang akan ditampilkan di data
mart:
a. Nilai Kuliah Mahasiswa, meliputi nilai
angka, nilai huruf, dan bobot nilai huruf
b. Beban Belajar Mahasiswa, meliputi
beban sks mahasiswa, dan banyak kelas
mahasiswa.
c. Nilai Angket Pengajar, meliputi indeks
kepuasan terhadap pengajar.
d. Beban Ajar Pengajar, meliputi beban
sks pengajar, banyak kelas pengajar,
dan total mahasiswa kelas.
5. Melengkapi Tabel Dimensi (Rounding out
the dimension tables)
Menambahkan sebanyak mungkin deskripsi
teks pada tabel dimensi. Deskripsi tersebut
harus intuitif dan dapat dimengerti oleh
user. Tabel 2 berikut ini merupakan
deskripsi teks dari tabel dimensi. Tabel 2. Tabel Rounding Out Dimensions
Dimensi Field Deskripsi
Waktu Semester
Hari Jam
Laporan dapat
ditinjau berdasarkan semester,
berdasarkan hari,
dan berdasarkan jam
pelaksanaan perkuliahan.
Pengajar Pengajar Laporan dapat
ditinjau berdasarkan
pengajar tertentu. Mata
kuliah
Mata kuliah
Kategori
Mata Kuliah
Laporan dapat
ditinjau berdasarkan
mata kuliah, dan
kategori mata kuliah tertentu.
Mahasiswa Mahasiswa
Angkatan
Mahasiswa
Laporan dapat
ditinjau berdasarkan
angkatan mahasiswa tertentu.
Gambar 5. Skema konstelasi data mart akademik
FK_MENDEFINISIKAN_WAKTU_BELAJAR
FK_MENDEFINISIKAN_WAKTU_AJAR
FK_MENDEFINISIKAN_BEBAN_PEMBELAJAR
FK_MENDEFINISIKAN_BEBAN_PENGAJAR
FK_MENDEFINISIKAN_PERFORMA_PENGAJAR
FK_MENDEFINISIKAN_HASIL_BELAJARFK_MENDEFINISIKAN_BAHAN_BELAJAR
FK_MENDEFINISIKAN_BAHAN_AJAR
FK_MENDEFINISIKAN_HASIL_AJAR
FK_MENDEFINISIKAN_WAKTU_PENILAIAN_PERFORMA
FK_MENDEFINISIKAN_WAKTU_PENILAIAN_HASIL_BELAJAR
FK_MENDEFINISIKAN_BAHAN_BEBAN_AJAR
FK_MENDEFINISIKAN_BAHAN_BEBAN_BELAJAR
FK_MENDEFINISIKAN_FASILITATOR_BEBAN
dim_waktu
id_waktu
kode semester
tahun
jenis semester
kode hari
nama hari
kode jam
jam mulai
...
int
char(3)
int
varchar(6)
int
varchar(10)
int
char(5)
<pk>
fakta_beban_belajar_mahasiswa
id pengajar
id mahasiswa
id_waktu
id mata kuliah
beban sks mahasiswa
...
int
int
int
int
int
<fk4>
<fk2>
<fk1>
<fk3>
fakta_beban_ajar_pengajar
id_waktu
id pengajar
id mata kuliah
beban sks pengajar
banyak kelas pengajar
total mahasiswa kelas
...
int
int
int
int
int
int
<fk1>
<fk2>
<fk3>
dim_mahasiswa
id mahasiswa
nomor induk mahasiswa
angkatan masuk mahasiswa
program studi mahasiswa
fakultas mahasiswa
nama mahasiswa
gender mahasiswa
kota sma asal mahasiswa...
int
varchar(30)
int
varchar(100)
varchar(100)
varchar(100)
varchar(9)
varchar(100)
<pk>
dim_pengajar
id pengajar
nomor induk pengajar
nama pengajar
gender pengajar
...
int
varchar(9)
varchar(100)
varchar(9)
<pk>
fakta_nilai_mahasiswa
id pengajar
id mahasiswa
id_waktu
id mata kuliah
nilai angka
nilai huruf
bobot nilai huruf
...
int
int
int
int
float
varchar(2)
float
<fk3>
<fk1>
<fk4>
<fk2>
dim_mata_kuliah
id mata kuliah
kode mata kuliah
nama mata kuliah
bobot sks mata kuliah
id kategori mata kuliah
kode kategori mata kuliah
nama kategori mata kuliah
...
int
char(10)
varchar(100)
int
int
char(8)
varchar(100)
<pk>
fakta_nilai_pengajar
id mata kuliah
id pengajar
id_waktu
indeks kepuasan terhadap pengajar
...
int
int
int
float
<fk2>
<fk1>
<fk3>
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
286
Gambar 6. Hasil implementasi data mart akademik
Pada perancangan ini, bentuk skema yang dipilih
adalah skema bintang (star schema), karena
skema ini merupakan skema yang mudah
dipahami pengguna daripada skema lain,
mengoptimasi navigasi, dan paling cocok
digunakan untuk query (Ponniah, 2010).
Bentuknya yang tidak terlalu rumit,
memudahkan dalam hal query untuk
menghasilkan data yang akan divisualisasikan
dalam bentuk dashboard. Skema konstelasinya
dapat dilihat pada Gambar 5, sedangkan hasil
implementasinya dapat dilihat pada Gambar 6.
Data mart ini terdiri dari 4 tabel fakta dan 4 tabel
dimensi berbagi (shared). Struktur ini kemudian
dijadikan target proses ETL dan sumber data
untuk dashboard visualisasi.
3.2 Rancang Bangun Dashboard System
Pembuatan Purwarupa Tampilan Front-End
Pembuatan purwarupa tampilan front-end
dimaksudkan agar sistem yang dibuat dapat
segera berwujud untuk memudahkan pembuat
sistem otentikasi dan melakukan perancangan
layout dasar dashboard. Purwarupa yang dibuat
dapat dilihat pada bagian A sampai dengan C.
A. Tampilan Login
Tampilan login diperlukan di dalam sistem
sebagai pintu gerbang sebelum pengguna dapat
mengakses informasi pada dashboard system.
Hal ini disebabkan data pada dashboard bersifat
sensitif dan tidak boleh diakses sembarang
orang. Hasil implementasi tampilan login dapat
dilihat pada gambar 7.
Gambar 7. Hasil implementasi tampilan login
B. Tampilan Utama Dashboard
Tampilan utama dashboard didesain agar
pengguna dapat melihat indikator-indikator
utama akademik dalam satu kali lihat. Tampilan
utama ini juga harus didesain sedemikian rupa
agar informasi yang penting berada pada posisi
lihat yang pas dan tidak terabaikan. Secara
umum, layout dari tampilan utama dashboard
dapat dilihat pada gambar 4.29. Tampilan ini
dijalankan ada monitor dengan resolusi
1366x768 pixel dengan browser yang digunakan
adalah Opera.
C. Dimensi Indikator Dashboard
Dalam penelitian ini, ada dua jenis kelompok
dimensi indikator, yaitu mahasiswa dan pengajar.
Masing-masing kemudian didetilkan lagi
menjadi beberapa indikator turunan yaitu :
1. Indeks Prestasi Mahasiswa
2. SKS Belajar Mahasiswa
3. Kelas Belajar Mahasiswa
4. Indeks Kepuasan Pengajar
5. SKS Ajar Pengajar
6. Kelas Ajar Pengajar
Jatmika, dkk., Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa..
287
Gambar 8. Hasil implementasi tampilan utama dashboard
Seperti yang terlihat pada Gambar 8, bahwa tiap
segmen di tampilan utama dashboard akan berisi
chart-chart yang dibutuhkan untuk kebutuhan
visualisasi informasi indikator turunan tersebut.
Chart-chart tersebut akan dijelaskan pada bagian
C.1 sampai dengan C.3.
C.1. Chart Indikator
Tiap indikator turunan akan divisualisasikan agar
pergerakannya pada semester yang sudah
berjalan (semester divisualkan dalam sumbu X).
Chart yang dipilih adalah gabungan antara line
chart dan area chart (yang mengiringi line
chart) untuk menggambarkan :
1. Rata-rata pencapaian indikator per semester
(garis hitam tebal).
2. Rata-rata pencapaian indikator seluruh
semester sebagai baseline umum (garis
merah tebal).
3. Deviasi standar persebaran data (area abu-
abu gelap).
4. Jangkauan minimum-maksimum data (area
abu-abu terang).
Contoh hasil implementasinya dapat dilihat pada
gambar 9.
C.2. Chart Detil Data & Komparasi Baseline
Pencapaian tiap poin indikator setiap semester
kemudian perlu dibandingkan dengan baseline
rata-rata umumnya, untuk itu perlu dibuat chart
bertipe bullet. Bullet chart ini mempunyai
kelebihan, bahwa walaupun sederhana namun
telah mampu menggambarkan beberapa hal yang
penting, yaitu :
1. Rendah, sedang, atau tingginya suatu
pencapaian indikator (area abu-abu gelap,
area abu-abu sedang, dan area abu-abu
terang yang bertumpuk [stacked])
2. Pencapaian rata-rata indikator semester
terfokus (diagram batang berwarna hitam)
3. Pencapaian rata-rata-indikator seluruh
semester (bangun persegiempat berwarna
merah)
Dengan ditampilkannya gambaran rata-rata
indikator semester terfokus & rata-rata indikator
seluruh semester maka akan memudahkan
pengguna melihat apakah di semester tersebut
baseline sebuah indikator sudah tercapai atau
tidak. Hasil implementasi chart-nya dapat dilihat
pada Gambar 10 untuk detil data semester 112
dan Gambar 11 untuk detil data semester 121.
Gambar 9. Hasil implementasi chart indeks prestasi semester
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
288
Gambar 10. Hasil implementasi chart detil data semester 112
Gambar 11. Hasil implementasi chart detil data semester 121
Gambar 12. Hasil implementasi tampilan pengubahan batas nilai ekstrim indikator
Gambar 13. Tabel nilai ekstrim Indeks Prestasi Mahasiswa semester 122
Jatmika, dkk., Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa..
289
Gambar 14. Tabel nilai ekstrim Indeks Kepuasan Pengajar semester 122
Gambar 15. Proses simpan file export nilai ekstrim Indeks Prestasi Mahasiswa
Gambar 16. Isi file export nilai ekstrim Indeks Prestasi
mahasiswa
C.3. Fasilitas Penanganan Nilai Ekstrim
Seringkali kaprodi S1 SI kesulitan untuk
mengindentifikasi mahasiswa atau pengajar yang
indikatornya di bawah maupun yang di atas
standar (bernilai ekstrim bawah maupun atas).
Dalam sistem yang dibangun, hal ini kemudian
difasilitasi dengan:
1. Tampilan pengubahan nilai batas ekstrim
indikator (Gambar 12).
2. Tampilan pelaporan nilai ekstrim
(Gambar 13 dan Gambar 14).
Fasilitas export nilai ekstrim (Gambar 15 dan
Gambar 16).
Uji Kemampuan Dashboard System Visualisasi
Informasi Performa Akademik
Uji kemampuan dashboard system dalam
visualisasi informasi performa akademik
dilakukan untuk melihat sejauh mana sistem
dapat membaca, menerjemahkan dan
memvisualisasikan data yang sudah tersimpan
dalam data mart. Hasil pengujiannya dapat
dilihat pada Tabel 3.
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
290
Tabel 3. Tabel Hasil Implementasi Visualisasi Performa
Akademik
Poin
Pengujian Output Harapan
Output Hasil
Implementasi
Tampilan
Timeline Parameter
Utama
Sistem dapat
menampilkan timeline pergerakan
rata-rata nilai untuk
parameter utama
yang meliputi : 1. Indeks Prestasi
Mahasiswa
2. SKS Belajar
Mahasiswa 3. Kelas Belajar
Mahasiswa
4. Indeks
Kepuasan Pengajar
5. SKS Ajar
Pengajar
6. Kelas Ajar Pengajar
Sistem sudah
dapat menampilkan
timeline
pergerakan rata-
rata nilai untuk parameter utama.
Dapat dilihat pada
1. Gambar 9
2. Gambar 10 3. Gambar 11
4. Gambar 12
5. Gambar 13
6. Gambar 14
Tampilan
Detil
Parameter Utama
Berdasarkan
Semester
Sistem dapat
menampilkan detil
rata-rata nilai untuk parameter utama
berdasarkan
semester. Diambil
sampel semester 112 dan 121.
Sistem sudah
dapat
menampilkan detil rata-rata nilai
untuk parameter
utama
berdasarkan semester. Dapat
dilihat pada :
Gambar 15 untuk
sampel semester 112, dan Gambar
16 untuk sampel
semester 121
Uji Kemampuan Dashboard System Menyajikan
Nilai Ekstrim Parameter
Uji kemampuan dashboard system dalam
menyajikan nilai ekstrim parameter dilakukan
untuk melihat sejauh mana sistem dapat
melakukan setting batas nilai ekstrim &
melakukan penyajian nilai ekstrim tersebut
dalam bentuk tabel display maupun worksheet.
Hasil pengujiannya dapat dilihat pada Tabel 4.
Tabel 4 Tabel Hasil Implementasi Penyajian Nilai
Ekstrim Parameter
Poin
Pengujian Output Harapan
Output Hasil
Implementasi
Tampilan Set
Nilai Baseline
Parameter Akademik
Sistem dapat
menampilkan
baseline lama dan memfasilitasi
pengubahan nilai
baseline tersebut.
Sistem sudah
dapat
menampilkan baseline lama dan
memfasilitasi
pengubahan nilai baseline tersebut.
Dapat dilihat pada
gambar 17.
Penyajian
Nilai Ekstrim
dalam bentuk
tabel display
Sistem dapat
menampilkan
nilai ekstrim
dalam bentuk tampilan web.
Sistem sudah
dapat
menampilkan
nilai ekstrim dalam bentuk
tampilan web.
Dapat dilhat pada
gambar 18 dan 19.
Penyajian
Nilai Ekstrim
dalam bentuk tabel
worksheet
Sistem dapat
melakukan
eksport nilai ekstrim dalam
bentuk worksheet
Microsoft Excel.
Sistem sudah
dapat melakukan
eksport nilai ekstrim dalam
bentuk worksheet
Microsoft Excel.
Dapat dilihat pada gambar 20 dan 21.
Uji Penerimaan Pengguna
Analisis uji penerimaan pengguna dilakukan
dengan melakukan penyebaran angket yang
bertujuan untuk mengukur respon pengguna
kepada pihak-pihak yang berkepentingan
terhadap sistem pendukung keputusan yang
dibuat dalam penelitian ini. Berdasarkan
wawancara dengan Kepala Program Studi S1
Sistem Informasi, maka pihak-pihak yang
ditunjuk untuk diberi angket adalah : Kepala
Program Studi S1 Sistem Informasi, Sekretaris
Program Studi S1 Sistem Informasi, dan Kepala
Bagian Laboratorium Komputer. Tiga kriteria
utama yang diuji dalam angket respon:
1. Tampilan Sistem,
2. Penggunaan Sistem, dan
3. Informasi yang Ditampilkan Sistem
Berdasarkan respon dari pengguna yang telah
didapatkan, maka kemudian harus dilakukan
analisis terhadap penerimaan pengguna. Untuk
itu, perlu dilakukan penskalaan. Sangat Kurang
(-2), Kurang (-1), Cukup (0), Baik (1), Sangat
Baik (2).
Tabel 5. Tabel rangkuman hasil kuesioner
Kriteria Hasil
1 2 3 4 5
Tampilan Sistem 1 4 7
Penggunaan Sistem 3 10 5
Informasi yang
ditampilkan sistem 2 3 10
1. Sangat Kurang 2. Kurang 3. Cukup 4. Baik
5. Sangat Baik
Rekap hasil secara keseluruhan untuk tiap
kriteria adalah seperti pada Tabel 5. Analisis
untuk hasil tersebut adalah sebagai berikut:
1. Tampilan Sistem
Bobot skala untuk tampilan program adalah:
(1x-1 + 4x0 + 7x1)/12= 0,5
Penilaian untuk tampilan program oleh
pengguna adalah cukup mendekat baik.
Berarti pengguna menerima dengan baik
tampilan program yang diimplementasikan.
2. Penggunaan Sistem
Jatmika, dkk., Rancang Bangun Data Mart dan Purwarupa Dashboard untuk Visualisasi Performa..
291
Bobot skala untuk penggunaan program
adalah: (3x0 + 10x1 + 5x2)/18= 1,111
Hasil penilaian untuk penggunaan program
oleh pengguna cukup jelas, yaitu baik. Dapat
disimpulkan bahwa pengguna tidak
mengalami kesulitan dalam pengoperasian
program.
3. Informasi yang Ditampilkan Sistem
Bobot skala untuk tampilan program adalah:
(2x0 + 3x1 + 10x2)/15= 1,533
Hasil penilaian untuk kriteria ini juga cukup
jelas, yaitu sangat baik. Karena kriteria ini
merupakan poin penilaian pengguna yang
terpenting, dan hasilnya sangat baik, maka
kemampuan sistem menyampaikan informasi
yang dibutuhkan pengguna dapat dinyatakan
sudah sangat baik.
4. SIMPULAN dan SARAN
Simpulan yang didapatkan dari penelitian
rancang bangun data mart dan purwarupa
dashboard untuk visualisasi performa akademik
ini adalah :
1. Desain star schema mendukung proses
rancang bangun data mart akademik. Desain
star schema juga memudahkan proses
rancang bangun dashboard system Prodi S1
Sistem Informasi STIKOM Surabaya dalam
hal kemudahan .
2. Berdasarkan evaluasi kebergunaan terhadap
hasil rancang bangun sistem pendukung
keputusan yang telah dibuat, dapat
dinyatakan bahwa :
a. Pengguna menerima dengan baik
tampilan program yang diimplementa-
sikan,
b. Pengguna tidak mengalami kesulitan
dalam pengoperasian program, dan
c. Kemampuan sistem menyampaikan
informasi yang dibutuhkan pengguna
dapat dinyatakan sudah sangat baik.
Hal-hal yang mungkin dikembangkan dan
diperbaiki dari penelitian ini adalah :
1. Tinjauan ulang terhadap efisiensi model
data mart yang dihasilkan, terutama dalam
hal penggunaan CPU time pada saat proses
pembacaan data.
2. Dashboard system yang telah dikembangkan
dalam bentuk aplikasi web dapat
dikembangkan ke arah aplikasi mobile dan
web services sehingga dapat menunjang
mobilitas Kepala Program Studi S1 Sistem
Informasi.
3. Pengaplikasian data dimensi (yang
sebenarnya sudah tersimpan dalam data
mart) untuk menambah drilldown level
dalam dashboard system untuk menunjang
proses eksplorasi Kepala Program Studi S1
Sistem Informasi. Misalnya data hari & jam
proses belajar di tabel dimensi waktu, dan
gender pengajar di tabel dimensi pengajar.
4. Penerapan analisis lanjutan untuk
menggambarkan hubungan antar data.
Misalnya: analisis what-if scenario atau
analisis regresi linear.
5. DAFTAR RUJUKAN
Connolly, T., Begg, C., 2001. Database
Systems : A Practical Approach to Design,
Implementation, and Management. 3rd ed.
Boston, MA: Addison Wesley.
Few, S., 2006. Information Dashboard Design:
The Effective Visual Communication of
Data. O’Reilly.
Ghaseminejad, A. H.; Brantingham, P., 2010. An
Executive Decision Support System For
Longitudinal Statistical Analysis of Crime
and Law Enforcement Performance.
Intelligence and Security Informatics (ISI),
2010 IEEE International Conference, 1,
pp.1-6.
Inmon, W.H., 2005. Building Data warehouse.
4th ed. New York, NY:John Wiley& Sons.
Marakas, G. M., 2003. Modern Data
Warehousing, Mining and Visualization :
Core Concepts. Englewood Cliffs, NJ:
Prentice-Hall.
Paunica, M., Matac, M.L., Manole, A.L.,
Motofei, C., 2010. Measuring the
Performance of Educational Entities with a
Data Warehouse. Annales Universitatis
Apulensis Series Oeconomica, 12(1),
pp.176-184.
Ponniah, P., 2010. Data Warehousing
Fundamentals. 2nd ed. New York, NY:
John Wiley & Sons.
Prasetija, H.P., 2010. Purwarupa Data
warehouse Pada Sistem Informasi
Manajemen Perguruan Tinggi, Studi Kasus
STIKOM Surabaya. Master. Institut Teknik
Sepuluh Nopember Surabaya.
Prasetyo, E., 2011. Perancangan Data
warehouse Sistem Informasi Eksekutif,
Studi Kasus Data Akademik Prodi Teknik
Elektro FT UGM. Yogyakarta: Universitas
Gadjah Mada.
Stanciu, A., Florin, M., Radulescu, C., Aleca, O.,
2009. Solutions for Decision Support in
University Management. Economia. Seria
Management, 12(1), pp.136-151.
Turban, E., Aronson, Jay E., Liang, T., Sharda,
R., 2006. Decision Support and Business
Intelligence Systems, 8th ed. Upper Saddle
River, NJ: Pearson Prentice Hall.
Jurnal Sistem Informasi, Volume 5, Nomor 3, Maret 2015, 281-291
4